聚合储能的市场力：伯克利新论文把持留套利建模成可训练的随机博弈

2026年10月21日，加州大学伯克利分校的Eli Brock、Srikar Babu Gadipudi、Somayeh Sojoudi与Javad Lavaei在arXiv提交论文《Strategic Arbitrage in Electricity Markets: A Multi-Agent Policy Optimization Framework》（arXiv:2610.30446，8页）。这篇论文回答了一个此前只有定性讨论的问题：当电网侧储能或负荷聚合商足够集中时，它们会如何扭曲现货市场，扭曲得有多深？

论文的问题意识来自两个正在发生的制度变化。其一，加州电力市场的储能装机已具相当规模，已有研究（Ma、Zheng、Qi、Xu，IEEE PESGM 2025）对历史投标的分析表明，加州的储能运营商可能已经在扮演价格制定者的角色。其二，美国联邦能监委员会FERC 2222号令打开了负荷聚合商参与批发市场的大门——少量大型聚合商协调数百万台边缘设备，其运营复杂度使它们可能比集中式储能更难监管。作者的观点是：传统针对发电机组的市场力抑制工具，对套利型参与者基本失效。

一、储能的市场力为什么难识别：成本是未来的自己

要理解这篇论文的贡献，先要看清它要解决的识别难题。传统火电机组行使市场力的方式是持留容量或抬高报价——但监管者手里有一个可证伪的锚：燃料价格是公开的。一台燃煤机组的边际成本可以由燃料价、热耗率与出力上限近似核算，报价显著高于这个核算值就是持留的证据。海外市场的反市场力条款、加州的软性价格上限，都建立在这个可核算性之上。

储能的边际成本没有这个锚。一台电池在某一时刻"放弃"一次充放循环，成本不是燃料，而是未来的套利机会——它取决于电池自身的荷电状态、未来一天的价格路径、乃至它自己此刻的行为对价格路径的反馈。这些量没有一个是对外披露的。调度机构无法写下一个公式，说"这均匀报出的充放电计划偏离了物理最优百分之多少"，因为"物理最优"本身就是策略变量。论文原文的表述是：独立系统运营商（ISO）缺乏一个清晰可证伪的机制来识别储能的持留行为。

更微妙的是持留的形态。火电机组的持留是"少报容量"这种离散、可观测的动作；储能的持留可以是把充放电速率压低一点——从满功率充放变成半功率充放，任何一个时刻的动作都落在可行域内，单一断面上的数据完全合规。要抓住它，必须看闭环：策略、状态与价格路径的联合演化。这正是论文把问题建模为随机博弈而非静态竞价模型的原因——此前的文献要么给出风格化模型的闭式解（Anunrojwong等，2024），要么做开环的投标计划仿真，而按论文自述，这是首个把套利型持留写成多智能体策略优化博弈的工作。

二、模型：自调度、单节点与闭式收益

论文的市场模型做了三个关键简化，每个简化都是一次取舍。第一，自调度报价：策略主体只申报量（充多少、放多少），不申报量价对。这更接近储能的实际参与方式，也意味着主体的影响只能通过数量渠道传导到价格。第二，单节点市场：忽略输电约束，等价于ISO常用的直流潮流近似下的无阻塞池化市场——这个假设排除了阻塞引起的区位性市场力，因此论文刻画的是全系统性持留，而非节点性持留。第三，忽略远期头寸：不建模中长期合约与日前头寸对现货行为的对冲，这是对现实的显著抽象，作者明示不做策略性解读。

模型的骨架是一个参数化随机博弈（PSG）。市场里有一组常规机组（按报价升序排列构成优先顺序表）和一队柔性设备（本篇实验里是电池），设备管理权划分给N个主体。每个设备的私有状态是荷电状态，公共市场状态捕捉季节、天气等外生量。主体的收益函数只有一行，却把整个博弈的经济结构装了进去：

这个闭环里最值得注意的是学习回路：主体不学习"某一日的最优投标表"，而是学习一个把市场状态映射为动作的闭环策略——论文用线性策略加平滑执行层，每个设备128个参数。策略以傅里叶基作为特征，等于让线性模型内部构建出对基础需求周期结构的表示；SOC项则让充放决策感知自身电量。这个参数化刻意选择了"可解释、易训练、足够用"，而不是堆深度网络——作者的理由是研究市场的基础动力学，够用即可。

三、两种成本代理：保真与可解性的交换

现实中的出清价格函数是经济调度的解：机组按报价升序装填，边际机组的报价就是价格。这个阶梯状的价格函数有一个数学上的麻烦——不光滑，而论文的均衡求解依赖梯度。作者的解法是构造两个光滑代理，分别代表保真与可解性的一端：

代理一：C_LSE。用对数和指数平滑函数（LSE）把阶梯磨平，平滑参数α取1；α趋于零时它可以任意逼近真实价格函数。代价是：一般情形下它不再诱导势博弈，梯度动力学的收敛没有理论保证——可能出现极限环甚至发散。

代理二：C_Q。直接用二次函数 ν₂d²+ν₁d+ν₀ 拟合真实成本函数（在RTS-GMLC净需求轨迹上最小二乘）。它与真实曲线只有"特征相似性"：凸、在正需求段递增。但它带来一个强得多的结构性结论——定理2：取C_Q时整个博弈是马尔可夫势博弈，存在势函数 φ̃ = −C_Q(m+Σa) − ν₂Σ_i(Σ_{j∈D_i}a_j)²，每个主体的梯度都等于势函数的梯度，梯度动力学等价于对势函数的协作爬升，收敛有保证。

两台"显微镜"各有视野缺陷，但视野重叠的部分就变得可信：如果在两个代理下均衡行为一致，这个行为就更可能反映博弈本身的结构而非数值技巧。论文的实验正是这样设计的——这是方法论上最值得行业研究者的地方：用一个有理论保证的简化模型锚定结论，用一个高保真模型检验结论的稳健性。

图2里的零点跳变值得多看一眼。RTS-GMLC的净需求曲线在冬季频繁穿越零点——风光大发时净需求为负（弃电零价），负荷高峰时净需求为正（价格跳到20美元/兆瓦时以上再渐升至35美元附近）。对电池而言，这条价格曲线意味着每一次穿越零点的净需求波动都是一次价差接近20美元/兆瓦时的套利机会；对论文的算法而言，这个跳变同时是最可能让梯度动力失稳的非线性来源——C_LSE实验要回答的正是"这个非线性会不会让均衡学习失稳"。

四、实验设计：48台电池、十种股权、一千小时视界

实验的底座是IEEE RTS-GMLC基准系统——一个包含大量风光资源的现代测试系统，自带一年分辨率五分钟的负荷与新能源时序数据。作者从中构建了三个组件：

基础需求模型：把负荷与各类可再生出力（电网侧光伏、风电、水库水电、径流水电、屋顶光伏）聚合为净需求，剔除光热电站、水电按来水即发、核电按恒定负需求处理，然后用深度3、阶数5的嵌套傅里叶模型加自回归噪声拟合，参数用Cochrane-Orcutt法估计一轮即够——合成曲线与真实数据"几乎不可区分"。净需求在冬季频繁跌破零，这正是高套利价值的来源。

电池群：RTS-GMLC原生只有一台50兆瓦、3小时时长（150兆瓦时）的电池。为了代表高渗透率场景，作者复制48台，合计2.4吉瓦/7.2吉瓦时——量级对齐基础需求的典型振幅。为简化，往返效率按100%处理；执行层是平滑钳位函数（β=0.01），把无约束的策略输出映射到功率与SOC约束内，保留零点附近的线性区。

股权结构：48台电池的全部整数因子恰好十个——1、2、3、4、6、8、12、16、24、48——对应单主体市场份额从100%到2.1%的十种结构。物理电池群在所有结构下完全相同，股权只通过收益加总方式进入模型，因此均衡结果的差异全部可以归因于市场力。这是整个实验设计里最干净的一刀。

训练细节方面：时间步1小时，折扣因子γ=0.999（有效视界约1000小时，即42天），轨迹截断5000步（0.999的5000次方已小于0.01），Adam优化器、批量1000、学习率0.001；先用"社会规划者"目标（最小化总燃料成本）训练1000轮作为初始化，再按各股权结构做500轮一般和博弈训练。由于初始化与更新规则的对称性，各主体策略全程保持一致，总储能收益等于单主体收益乘以主体数。

方法路上还有一处值得点名的取舍：论文的梯度更新不是"模拟学习"而是"计算均衡"。作者明确说，他们关心的是均衡本身在哪里，而不是市场主体是否真的会通过这样的学习过程到达均衡——因此梯度直接穿越整条采样轨迹回传（可微策略梯度一族的做法），而不是用模型无关的策略梯度做低信噪比估计。这个选择让训练更稳、方差更低，也兼容确定性策略；代价是它回答的是"均衡长什么样"，把"真实主体能否学会"留给了行为经济学。对监管者而言这个区分其实是好消息：监管要校准的正是均衡结构，而不是某家运营商的学习曲线。

图 3 · 电网侧独立储能电站：当调度权集中到少数主体手中，论文的博弈就开始了（NewdPower 配图）

五、结果一：收敛了，而且两个代理收敛到同一处

第一个结果是算法层面的，但对整个"电力市场+多智能体学习"方向都有意义：随机梯度博弈在C_LSE这个没有收敛保证的设定下，十种股权结构全部稳定收敛——主体先迈大步提升收益，接近均衡后步长收缩、在邻域内小步噪声游走，轨迹与"收敛到局部渐近稳定均衡（LASE）邻域"的图景一致。作者进一步用100次滚动的经验Hessian特征值分布检验：高份额构型下分布整体落在负半轴，初步判定为微分纳什均衡（论文措辞为"表现为"）；少量轻微正特征值在C_Q（理论上必为纳什）下同样出现，归于噪声。低份额构型的Hessian估计在两个代理下都不太可断——这是论文诚实标注的边界，但其余所有分析在高低份额间行为一致。

更重要的是跨代理的对照：C_LSE与C_Q训练出的均衡几乎重合。这意味着价格函数在零点的强非线性——那个可能让梯度流失稳的跳变——在实践中没有扭曲均衡的位置。对应用者，这是一个可以谨慎外推的信号：在这类套利博弈上，光滑代理得到的结论对成本函数的具体形状不敏感。

六、结果二：垄断者与社会规划者的两极

第二个结果才是论文的经济学主菜。作者用两个指标评价均衡：储能总收益（主体收益加总）与套利盈余（电池参与后总燃料成本的节省额，即电池创造的社会价值）。两个指标在股权谱系上反向行进：垄断者最大化储能收益、牺牲套利盈余；完全竞争（份额趋零的极限，等价于社会规划者基准）最大化套利盈余、牺牲储能收益；随主体数增加、份额稀释，两个指标都向规划者基准收敛。两种成本代理下趋势几乎完全一致。

机制藏在调度行为里。论文图6展示了一个精选周的滚动对比：社会规划者指挥电池群满功率快充快放，把净需求曲线削峰填谷、尽量拉平——价格方差被压窄，燃料总成本最低，电池自己赚得却不多；垄断者的行为定性上相似（仍在低买高卖），但刻意压低充放速率、持留一部分灵活性，让价格维持更大的方差——更宽的价差意味着更高的储能收益，代价是更低的套利盈余与更高的系统总燃料成本。中间的股权结构则呈现出逐级的速率下压：份额每集中一档，充放速率就压低一档。

把第六节和第四节放在一起，这篇论文给监管者的启示就浮出来了：持留不需要任何违规动作。垄断者均衡里的每一台电池、每一个小时的动作都满足功率约束与SOC约束，申报也符合格式——它只是"慢"。要用规则抓住这种慢，监管者需要的不是事后审计单笔申报，而是能够复现"竞争基准行为"的模型，再把实际行为与之比对。这篇论文的框架恰好可以充当那个基准发生器：给定市场参数与股权结构，算出完全竞争下的应有行为，偏差就是市场力的测度。

把这篇论文放回文献谱系，更能看清它的位置。风格化的闭式刻画（Anunrojwong、Balseiro、Besbes与Xu，2024）证明了持留行为在简化市场里的解析结构，但离可操作的识别还远；Wu、Xu与Anderson（CDC 2024）做了更贴近现实的持留行为仿真识别；Qi与Xu（2025）从监管者一侧出发，给出给储能投标设定区位上限以促成社会福利收敛的方法；Contreras-Ocana等（2017）较早建模了聚合商的市场参与。伯克利新论文的差异化在于闭环与博弈论：策略是市场状态的函数而非固定投标表，均衡是随机博弈的解而非静态优化的解，且框架把"谁持有多少份额"作为显式实验变量——这正是监管者最需要的那个旋钮。

七、迁移中国：独立储能全入市之后，市场力问题不再是假设

论文的场景设定离中国市场并不远。2026年的中国电网侧储能正在快速穿越"全入市"门槛：浙江2.54吉瓦电网侧储能已实现全电量入市、独立储能可每日自主选择参与电能量或调频市场；南方区域允许独立储能同台参与调频与现货两大市场；CNESA口径下9月全国新增新型储能4.33吉瓦/14.08吉瓦时，其中电网侧独立储能占85.3%，前三季度新增35.3吉瓦/102.31吉瓦时。独立储能的收益模型正从"容量租赁+补偿"切换到"现货套利+辅助服务+容量补偿"的市场化组合（我们在浙江储能全入市与储能兜底交易两篇中分别拆解过交易侧与策略侧）。

伯克利论文提示的中国式问题是：这个市场化组合的下一阶段，几乎必然出现集中化——储能资产管理向头部集中、代运营与策略服务向少数平台集中、负荷聚合商（虚拟电厂）在需求侧复制同样的集中过程。浙江全省虚拟电厂可调能力已超360万千瓦，主要由少数平台聚合；一旦某省现货市场中前三家储能运营主体合计持有超过临界规模的份额，论文刻画的持留激励就真实存在。而识别它比识别火电持留更难——中国现货规则下储能同样以报量报价或自调度方式参与，其"合理行为"没有燃料成本锚。

有意思的是，10月22日华东监管局发布的交易行为合规指引恰好构成这篇论文的政策镜像：指引禁止的串通报价、虚报容量、脚本抢单都是"显性违规"，而论文刻画的持留是"合规框架内的隐性行为"。行为清单管住了显性违规之后，隐性市场力的量化监测就是下一个监管技术需求——本文第八至十节的推演将说明，这个需求对应的既是一个技术市场，也是一套规则议程。

价格环境的变化也在为这场博弈铺路。2026年的现货省份里，负价与近零价已从新闻事件变成日历现象：辽宁在10月中旬出现日前均价零值，山东、山西的深谷时段价格长期贴地，浙江深谷电价机制把低谷电价压向成本线。对中国储能而言，这意味着论文刻画的"零价平台—跳变—高位平台"三段式价格结构（图2）正在国产化：负电价时段充电的成本优势、晚高峰的稀缺溢价、以及两者之间十倍量级以上的摆幅（按负价或零价谷段与晚高峰的量级对比估算），构成了与RTS-GMLC基准同构的套利温床。价格结构越极端，持留的杠杆越粗——这是把论文结论向中国外推时最本质的传递渠道，比任何单一参数都重要。

八、四件套之一：储能运营价值链与利润池

把镜头拉回产业链。储能参与现货市场的价值链可以切成五环：电芯与系统集成（设备成本）→ 电站开发与EPC（工程价值）→ 持有与资产管理（资本成本）→ 运营与策略（交易能力）→ 市场收益（现货套利+辅助服务+容量补偿）。伯克利论文关心的是倒数第二环与最后一环的关系：策略能力（是否持留）直接决定市场收益环的大小与分配，而策略能力正在成为可外包、可集中的资产。

利润池的构成可以用一个单位算式锚定：独立储能的现货套利收入 ≈ 年等效循环次数 × 持续时长 × 有效价差 × 综合效率。按年均约300次等效循环（扣除检修与低效日）、3小时时长、0.12元/千瓦时的有效价差（峰谷价差扣除偏差成本）、88%综合效率计算，单位套利毛收入约95元/千瓦·年（0.3168元/千瓦·循环×300次），本文取整为100元/千瓦·年作为中档推演参数（本文推演口径）。这个参数乘以参与现货的独立储能规模，就是全国现货套利收入池。

对照美国：论文基准里20至35美元/兆瓦时的价格带与零价平台之间的摆动，折合人民币约140至250元/兆瓦时价差，比中国现货省份当前普遍的价差水平更宽——这也是为什么加州储能"已经是价格制定者"而中国的问题还在酝酿。但中国有两个放大器：一是装机基数（新型储能累计规模全球第一，前三季度新增35.3吉瓦），二是入市速度（独立储能占新增85.3%且多个省份制度性打通收益通道）。基数大、入市快，市场力的萌芽条件比加州更充分。

九、四件套之二：集中度量化——谁会成为持留者

判断市场力风险，核心变量是运营侧集中度。中国储能产业链各环节的集中度现状差异极大，必须分口径陈述：

解读这张表要抓两个结构性事实。其一，持有端的集中度显著低于制造端：电芯CR3过半，但电站持有分散在五大六小、地方国资与民营投资商手中，9月新增项目五大六小等占53.6%，其余近半为非中央电力集团主体。其二，运营端的集中度正在快速上升——这是论文最关心的变量。独立储能的现货策略能力高度专业化，代运营与策略服务天然趋向头部集中；若一省前三家运营主体合计持有的可调容量超过全省三至五成（推演区间），叠加现货价格对可调容量的敏感性，持留的边际收益就开始为正。

需求侧的聚合同样值得单列。FERC 2222号令在美国打开的负荷聚合商通道，对应的正是中国的虚拟电厂与负荷聚合商：辽宁10月1日实施的VPP办法要求总聚合不低于1万千瓦、调节能力不低于0.5万千瓦、响应时间不超过120秒；上海对VPP平台按每千瓦每年50元给予奖励、上限每年150万元；浙江全省VPP可调能力已超360万千瓦。聚合商协调的是数万至数十万台边缘设备，其内部策略不透明度高于储能电站——论文作者提醒"少量大型聚合商可能比集中式储能更难监管"，这句话放在中国的需求侧现货准入进程里，是一条超前的预警。

论文给了一个判断维度的启发：市场力的临界点不是装机的绝对规模，而是单主体份额与需求弹性的比值。论文实验里单主体持有全部2.4吉瓦的垄断配置相对于基准需求的振幅足够大，才产生可观的价格影响；同样规模的2.4吉瓦放在更大弹性、更多元供给的市场里，持留收益会快速衰减。中国的省间差异因此非常关键：均价长期低位运行、供给多元的省份（如蒙西、辽宁），持留抬价的绝对空间天然薄；峰谷差大、供给集中的省份，同样的份额对应更强的市场力。

十、四件套之三：三档情景——现货套利收入池与集中度风险敞口

把第八节的单位参数展开成三档情景。假设链全部显式给出（本文推演）：2030年前后全国独立储能并网规模取低/中/高三档1.0亿、2.0亿、3.5亿千瓦（延续站内2030年新型储能2.5亿–5.0亿千瓦推演区间的独立储能部分，与安徽容量电价一篇的装机路径口径衔接）；参与现货套利的比例取50%、60%、70%；单位套利净收益取80、100、120元/千瓦·年（对应价差与循环次数的低/中/高组合）。三档收入池：

这个奖池的规模决定了博弈的赌注。中档120亿元/年的套利收入池里，若头部三家运营主体合计持有30%的参与容量，其套利收入约36亿元/年——持留策略只要把整体价差抬高5%（对价差收入而言约6亿元的再分配），就足以覆盖压低循环次数损失的毛收入，这正是论文里垄断者均衡的算术本质。收入池越大、份额越集中，持留的吸引力越强——这是市场监管需要抢在收入池膨胀到百亿级之前完成工具准备的定量理由。

敏感性上还有一个容易被忽略的二阶效应：单位净收益与参与比例并非独立。参与现货的容量越多，低谷时段的抢充会把谷段价格抬起来、峰段集中放电会把峰段价格压下去，单位收益随参与规模自我稀释——这与论文模型里"主体的动作反馈进价格函数"是同一个机制。把它写进情景的隐含含义是：三档情景里的单位收益参数在高档位偏乐观，收入池的真实曲线会比线性外推更平；而反过来说，持留之所以有超额收益，恰恰因为它通过压低参与强度维持了价格结构——竞争与持留在同一个反馈回路的两端，这正是随机博弈比静态测算高明的地方。

十一、四件套之四：价值链上游风险

风险一：价差收窄。持留收益的前提是宽价差，而中国现货市场的中期趋势恰恰是价差收窄——新能源装机继续高增（风光合计已接近全国装机的半壁）、负价时段向更多省份蔓延（辽宁已出现日前均价零值）、各省深谷电价机制把低谷价格进一步压向成本。价差收窄会同时压缩套利收入池与持留的边际收益，市场力风险与行业盈利能力同涨同落——这是一对"好消息里的坏消息"。

风险二：监管反制的规则内生性。若持留行为在某省显形，最可能的反制不是处罚（难以举证），而是规则修改：对储能申报设上下限约束（Qi与Xu在2025年提出过区位性投标上限的方法论）、调整出清算法、或对高频充放征收额外费用。规则反制会一次性重估全部存量策略模型的收益假设——策略服务商与代运营商的合同里需要预置这个风险。

风险三：算法同质化与拥挤交易。论文实验里所有主体用同一个参数化、同一个学习算法，均衡因此对称。现实中的策略服务商从相似的公开文献与相同的市场数据出发，策略趋同的概率不低；趋同策略的群体行为可能与持留同样扭曲价格（大家同时错判、同时抢充），且更难与共谋区分。这也是为何行为监测需要策略级的基准模型而非只看申报特征。

风险四：容量电价的替代效应。安徽165元/千瓦·年的储能容量电价、114号文的可靠容量补偿框架，正在给独立储能一条与现货弱耦合的稳定收入。容量收入占比越高，主体对现货持留的激励越弱——从市场力治理的角度，容量补偿机制其实是降低市场力风险的制度对冲；但代价是容量电价本身需要防"躺平"，安徽的清单制与时长折算（165元÷6小时）正是为此设计。两条收入线的配比，将决定中国版储能市场力的实际烈度。

图 7 · 储能舱内部：市场力博弈的最小物理单元，每一台都在约束内行动（NewdPower 配图）

十二、边界与局限

本文的推演建立在论文的简化假设之上，引用时须注意以下边界。第一，论文模型是单节点、无约束的：阻塞与区位性市场力被显式排除，论文自己也把输电约束列为核心扩展方向（用对数障碍与可微凸优化替代硬约束）；中国的省级市场阻塞显著，实际市场力的形态会更接近区位性持留，绝对水平不能直接套用论文数值。第二，效率与成本简化：论文按100%往返效率、无退化成本处理电池，中国电力设计院的系统口径下综合效率多在85%上下，持留的成本收益结构会更陡；本文第八节测算取88%系偏乐观一侧，引用时应注意。第三，策略类是线性加平滑钳位，深度网络可能找到论文框架之外的更精细持留模式——论文的均衡结果应理解为"线性策略类下的均衡"，而非策略空间的全局解。第四，中国的推演参数均为本文假设：独立储能装机路径、现货参与比例、单位净收益无官方披露，三档情景只做单变量敏感性；省级运营集中度更是数据空白，本文只能以推演区间讨论。第五，论文版权标注为IEEE（2026），尚未见正式发表版本，结论引用时以arXiv v1为准。第六，本文对加州"价格制定者"的表述转引论文对既有文献的概括，原始证据请核对该PESGM 2025论文原文。本文为技术解读与行业推演，不构成任何投资建议。

十三、结论与观察指标

伯克利这篇论文的贡献可以压缩成一句话：它把"储能会不会行使市场力"从立场之争变成了可计算的实验科学——随机博弈给出语言，势博弈理论给出收敛保证，RTS-GMLC实验给出从完全竞争到完全垄断的连续谱系，而谱系上的每一个点都可以复现。垄断者与社会规划者的对比揭示了一个对监管极不友好的事实：最深的持留不违反任何单点规则，它只是"慢"，只有把实际行为与竞争基准的模型输出比对才能现形。这意味着电力市场行为监管的下一步，大概率是监管者自己建模——先算出"应该怎样"，再看"实际怎样"。

对中国读者，四条观察指标：其一，看浙江、山东等全入市省份的独立储能运营集中度是否出现连续两个季度的上升——份额数据是市场力讨论的前提，当前省级口径数据空白本身就是需要填补的监管基础设施；其二，看现货规则修订正式稿是否为储能申报增设限制性条款，规则细节是最直接的监管态度信号；其三，看头部策略服务商与代运营平台的市占率变化，策略能力的集中是持留能力集中的前奏；其四，看学术侧能否出现基于中国省级现货数据的持留识别研究——把伯克利的框架接到国内数据上，是接下来两年最值得期待的本土化工作。

回头看，这篇论文最深的提醒或许是关于时间的：储能的持留是把今天的灵活性换成明天的价差，它攻击的是市场的时间结构本身。当数以亿计千瓦的电池学会这场时间游戏，市场的价格发现功能是否还能保持诚实，取决于规则制定者是否同样学会了在闭环里思考。这场博弈刚刚开局。